I.5Создание и редактирование текста

KZDADDY/DR-8-5-M-V1 — разговорная языковая модель с архитектурой Llama, созданная объединением предварительно обученных моделей с помощью mergekit и метода SLERP. Она предназначена для генерации текста в диалоговом формате. Модель содержит 7,5 млрд параметров и рассчитана на контекст до 131 072 токенов. Репозиторий содержит веса в формате safetensors и использует библиотеку Transformers. Модель подходит для ведения диалогов и генерации продолжений текста. Идентификаторы объединённых моделей приведены как локальные пути, поэтому их базовые репозитории и лицензии по имеющимся данным установить нельзя.

Duchifat-V2 — двуязычная авторегрессионная языковая модель, разработанная TopAI для генерации текста на иврите и английском. Это decoder-only Transformer с архитектурой DuchifatCore; в метаданных указано 124,6 млн параметров, а в README — 136 млн. Модель обучалась на корпусе C4 с заявленным равным распределением иврита и английского и рассчитана на генерацию и продолжение текста. README сообщает о специальном токенизаторе, работе с переключением языков и базовых zero-shot задачах. Для использования применяется Transformers и формат PyTorch. Лицензия — Apache-2.0. Длина контекста в доступных сведениях не указана.

ECE-TW3-JRGL-V1 — текстовая модель, созданная Луи Гарсией и Матьё Жолларом, студентами инженерной школы ECE, под руководством преподавателя ECE и руководителей TW3 Partners. Модель получена слиянием ShinojiResearch/Senku-70B-Full и 152334H/miqu-1-70b-sf методом SLERP с помощью mergekit; в конфигурации указана базовая модель 152334H/miqu-1-70b-sf. Это плотная Llama-совместимая архитектура LlamaForCausalLM с 68,7 млрд параметров и контекстом до 32 764 токенов. Репозиторий содержит веса safetensors. Модель предназначена для генерации текста и диалогового взаимодействия. В README приведён результат 83,07 на EQ-Bench V2, бенчмарке эмоционального интеллекта для больших языковых моделей. Лицензия — Apache 2.0. Данные не описывают языковую специализацию и ограничения по качеству или применению модели.

Henk717 создал Echidna-Tiefighter-25 — объединённую причинную языковую модель семейства Llama на базе Llama 2 13B. В README указано, что веса объединены методом task arithmetic из NeverSleep/Echidna-13b-v0.3 и KoboldAI/LLaMA2-13B-Tiefighter с базой TheBloke/Llama-2-13B-fp16; модель распространяется в формате safetensors и имеет 12,9 млрд параметров. Модель предназначена для генерации текста по текстовому запросу. Контекст составляет 4096 токенов. Лицензия CC-BY-NC-4.0 разрешает использование с указанием авторства, но ограничивает коммерческое применение. В источниках нет сведений о поддерживаемых естественных языках или специализированных областях применения.

Eclectic-Maid-10B-v2 — текстовая генеративная модель, созданная автором репозитория ND911 с помощью mergekit. Это слияние предварительно обученных языковых моделей методом passthrough; в конфигурации указаны слои Maid-Reborn-v22-10B. Модель построена на плотной архитектуре Mistral с причинной языковой моделью MistralForCausalLM, содержит 10,4 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста. README утверждает, что версия лучше исходной, но не приводит сравнительных результатов или подробностей о целевых сценариях. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия в предоставленных данных не указана.

Eclectic-Maid-10.7B-v3 — объединённая языковая модель на архитектуре Mistral, созданная ND911 с помощью mergekit. В README указаны модели-источники Maid-Reborn-v2-Remerge, ND911/Eclectic-Maid-10B-v2-1 и crestf411/daybreak-kunoichi-2dpo-7b; использован метод passthrough merge. Модель рассчитана на генерацию текста и имеет 10,6 млрд параметров и контекстное окно до 32 768 токенов. Модель доступна в формате safetensors для Transformers. В метаданных указана лицензия и поддерживаемые языки, однако они не приведены; README также не описывает специальные предметные области или конкретные ограничения качества. Тег not-for-all-audiences указывает, что модель может быть неподходящей для любой аудитории.

Это дообученная автором tillacs языковая модель семейства Llama на базе unsloth/Llama-3.2-1B-bnb-4bit. Она предназначена для генерации текста и может использоваться в сценариях, где требуется продолжение или создание текста. Модель имеет плотную архитектуру LlamaForCausalLM и содержит 1,2 млрд параметров; заявленная длина контекста составляет 131072 токена. В карточке указаны английский язык и лицензия Apache-2.0. Для обучения использовались Unsloth и библиотека TRL.

Eidolon-v2.1-14B — плотная языковая модель Qwen2 с 14 млрд параметров, дообученная автором Lambent на основе Lambent/Eidolon-v2-14B. Она предназначена для диалоговой генерации текста и следования инструкциям; в метаданных также указана поддержка интерфейса вызова инструментов. В README автор описывает экспериментальную настройку стиля и поведения с помощью LoRA, ориентированную на снижение влияния некоторых нежелательных особенностей. Для модели указан контекст до 131 072 токенов. Автор сообщает о результатах EQ-Bench и IFEval, но отмечает, что различия между версиями могут быть в пределах погрешности, а результаты IFEval получены на квантизованной версии примерно с 4-битной точностью. Модель по умолчанию отвечает в более профессиональном стиле; системный запрос может направить её к менее строгим ограничениям, хотя границы сохраняются. Лицензия в предоставленных данных не приведена.

Einstein-4D-Marcoro14-7B-full-slerp — объединённая языковая модель, созданная с помощью LazyMergekit методом SLERP из argilla/distilabeled-Marcoro14-7B-slerp-full и Weyaxi/Einstein-v4-7B. Это плотная авторегрессионная модель семейства Mistral с 7,1 млрд параметров, рассчитанная на генерацию текста; базовая модель Einstein-v4-7B предназначена для диалогов, следования инструкциям и ответов на вопросы, включая научные и математические темы. Модель принимает текст и генерирует текст. Её родной контекст составляет 32 768 токенов. Репозиторий содержит веса в формате safetensors, а лицензия указана как Apache-2.0. Карточка не приводит отдельной оценки качества или подробных ограничений для полученного объединения.

jaspionjader/ek-1 — объединённая авторегрессионная языковая модель семейства Llama, созданная разработчиком jaspionjader методом Model Stock с помощью mergekit. В качестве базовой модели использована jaspionjader/Kosmos-EVAA-Franken-Immersive-v39-8B, также в объединение вошли jaspionjader/kstc-1-8b, jaspionjader/knf-1-8b и P0x0/Epos-8b. Модель содержит 7,5 млрд параметров, принимает текст и генерирует текст, поддерживает диалоговый сценарий и имеет контекст длиной до 131 072 токенов. Подходит для генерации продолжений и ответов в чате с учётом длинного контекста. README и метаданные не описывают специализированные области применения или ограничения качества. Лицензия в предоставленных данных не указана.

Aeala/Enterredaas-33b — языковая модель для генерации текста, созданная слиянием модели Enterredaas-33b с адаптером QLoRA. Она основана на плотной архитектуре Llama и содержит 32,3 млрд параметров. Модель предназначена для генерации продолжений текста и общих задач на понимание языка; в карточке приведены результаты оценки на Open LLM Leaderboard, включая ARC и HellaSwag. Модель принимает и выдаёт текст. Заявленная длина контекста составляет 2048 токенов. Файлы доступны в форматах PyTorch и safetensors. README не сообщает поддерживаемые естественные языки или условия лицензии, поэтому их нельзя определить по имеющимся данным.

83fonseca/epicogames-Qwen3-4B-Instruct — дообученная текстовая модель семейства Qwen3, разработанная 83fonseca на базе unsloth/qwen3-4b-unsloth-bnb-4bit. Она предназначена для генерации текста и диалогового взаимодействия; метаданные также указывают интерфейс для вызова инструментов. Модель имеет плотную архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекст до 40 960 токенов. В карточке заявлено обучение с помощью Unsloth и библиотеки TRL. В метаданных указан английский язык. Модель распространяется под лицензией Apache-2.0. Карточка не описывает специализацию дообучения, конкретные наборы данных и результаты оценки качества, поэтому пригодность для отдельных предметных областей не установлена.

ERNIE-4.5-300B-A47B-Base-PT — базовая текстовая MoE-модель компании Baidu на архитектуре ERNIE 4.5, предназначенная для продолжения текста и генерации по запросу. Это вариант с весами PyTorch для Transformers; README рекомендует использовать режим completion, а не chat completion. Модель получена на этапе предварительного обучения и содержит 300 млрд параметров суммарно, из которых активируется около 47 млрд на каждом токене. Она рассчитана на работу с длинным контекстом до 131 072 токенов и поддерживает английский и китайский языки. Вариант Base принимает и выдаёт текст; несмотря на мультимодальное обучение семейства ERNIE 4.5, этот чекпойнт предназначен только для текстового дополнения. Модель подходит для продолжения и генерации текста с длинным контекстом. Для диалоговых сценариев в карточке указана возможность chat, но README уточняет, что Base следует вызывать через completion API. Лицензия — Apache-2.0.

Dohyeon1/ERNIE-Sub-MoE-ngroups56-adaptive — языковая модель семейства ERNIE с архитектурой Mixture-of-Experts, опубликованная пользователем Dohyeon1 на Hugging Face. Модель предназначена для генерации текста и диалоговых сценариев через библиотеку Transformers; в метаданных также указана поддержка формата SafeTensors и conversational-тегов. Модель содержит около 3,3 млрд параметров и поддерживает контекст длиной до 131 072 токенов, что позволяет работать с большими текстовыми запросами и документами. Конкретные языки, лицензия, данные обучения, результаты оценки и рекомендации по применению в карточке модели не описаны.

EtherealAurora-12B-v2 — диалоговая языковая модель, созданная yamatazen с помощью слияния предобученных моделей через SLERP в mergekit. Она использует архитектуру Mistral с плотной сетью и содержит 12,1 млрд параметров; карточка указывает формат safetensors, шаблон ChatML и контекстное окно до 1 024 000 токенов. Модель предназначена для генерации текста и ведения диалогов. В метаданных указаны английский и японский языки. Модель объединяет yamatazen/EtherealAurora-12B и natong19/Mistral-Nemo-Instruct-2407-abliterated. Лицензия — Apache-2.0. Карточка не приводит оценок качества или конкретных ограничений применимости, поэтому пригодность для отдельных сценариев требует проверки.

Eumyella-120b — языковая модель на архитектуре Llama, созданная слиянием двух предварительно обученных моделей: Sao10K/Euryale-1.3-L2-70B и NeverSleep/MiquMaid-v2-70B-DPO. Модель разработана автором репозитория bcse с помощью mergekit и линейного метода слияния; доступны также варианты в формате GGUF. Модель предназначена для генерации текста и диалогового общения. Она содержит 120,1 млрд параметров, принимает текст и имеет контекстное окно 4096 токенов. Репозиторий предоставляет веса в формате safetensors.

EuroLLM-22B-Instruct-Preview — предварительная инструктивная версия многоязычной языковой модели EuroLLM, созданной европейским консорциумом, в который входят Instituto Superior Técnico, University of Edinburgh, Instituto de Telecomunicações, Université Paris-Saclay и другие организации. Модель предназначена для диалога и выполнения инструкций, а семейство EuroLLM ориентировано на языковые задачи, включая ответы на вопросы, суммаризацию и перевод. В метаданных репозитория указаны архитектура Llama, около 21,9 млрд параметров, генерация текста и контекст до 4096 токенов. Разработчики EuroLLM заявляют поддержку 35 языков, включая все 24 официальных языка ЕС; для этой конкретной предварительной версии карточка не уточняет языковой состав. Репозиторий содержит автоматически созданную карточку без сведений о лицензии и детальных ограничениях, поэтому условия использования этой версии подтвердить нельзя.

EuroMoE-2.6B-A0.6B-Instruct-2512 — мультиязычная языковая модель с разреженной архитектурой Mixture of Experts, разработанная консорциумом университетов и компаний, включая Instituto Superior Técnico — University of Lisbon, University of Edinburgh и Unbabel при финансировании Европейского союза. Модель содержит 2,6 млрд параметров, из которых при генерации активны 0,6 млрд; в метаданных репозитория указано 231,7 млн параметров. Она построена на архитектуре Mixtral и поддерживает контекст до 32 768 токенов. Модель дообучена следовать инструкциям на наборе EuroBlocks, ориентированном на выполнение общих инструкций и машинный перевод. Она предназначена для диалоговой генерации текста и работы с языками Европы, а также рядом других языков, включая русский, арабский, китайский, хинди, японский и корейский. Используются grouped-query attention, RMSNorm, SwiGLU и RoPE. Репозиторий содержит веса в формате Safetensors и использует библиотеку Transformers. Модель не выровнена по человеческим предпочтениям и может выдавать галлюцинации, вредоносный контент или фактические ошибки. Лицензия Apache 2.0.

ClaudioItaly/Eutopia — плотная языковая модель семейства Llama для генерации текста. Она создана автором репозитория с помощью mergekit: объединены предварительно обученные модели Sao10K/Fimbulvetr-11B-v2 и Undi95/Utopia-13B методом SLERP с использованием отдельных диапазонов слоёв. В репозитории представлены веса в формате safetensors; размер модели — 8,6 млрд параметров, контекст — до 4096 токенов. Модель предназначена для генерации текста и диалоговых ответов. Карточка не приводит отдельных сведений о специализации, поддерживаемых языках или оценках качества. Лицензия в доступных данных не указана.

EvaByte-Phase1 — базовая авторегрессионная языковая модель на 6,5 млрд параметров от команды авторов EvaByte. Она использует байтовое представление текста, улучшенную архитектуру с предсказанием нескольких байтов и эффективный механизм внимания EVA. Модель предварительно обучена на 1,2 трлн байтов данных; в обучающий корпус входили естественные языки, математика и код. Модель предназначена для генерации продолжений текста, ответов в диалоге и задач с кодом. Она поддерживает контекст до 32 768 токенов и может генерировать по одному байту или использовать режим многобайтовой генерации. По данным карточки, EvaByte показывает результаты, сопоставимые с открытыми токенизаторными языковыми моделями при меньшем объёме обучающих данных и обеспечивает более быстрое декодирование. Лицензия — Apache-2.0. Это чекпойнт первой фазы обучения: последующие версии EvaByte прошли дополнительные этапы дообучения и объединения, поэтому возможности финальной версии не следует автоматически приписывать Phase1.

nbeerbower/EVA-Gutenberg-Rombos-slerp-Qwen2.5-32B — объединённая языковая модель на архитектуре Qwen2.5, созданная разработчиком nbeerbower методом SLERP с помощью mergekit из EVA-Gutenberg3-Qwen2.5-32B и Rombos-Qwen2.5-32B-lorablated. Это плотная авторегрессионная модель с 32 млрд параметров и контекстом до 131 072 токенов; она предназначена для генерации текста и диалогов, включая сценарии с интерфейсом вызова инструментов. Модель принимает текст и выдаёт текст. Карточка описывает способ слияния и состав исходных моделей, но не приводит оценок качества или подробностей о специализации. Доступна по лицензии Apache-2.0.

EVA-Qwen2.5-7B-v0.1-GGUF — набор GGUF-квантизаций языковой модели EVA-Qwen2.5-7B-v0.1, подготовленный bartowski с использованием llama.cpp и метода imatrix. Исходная модель разработана EVA-UNIT-01. Это текстовая генеративная модель с примерно 7 млрд параметров, предназначенная для локального запуска и генерации текста; README отдельно указывает совместимость с LM Studio и формат промпта в стиле ChatML. Модель обучалась на наборах данных, включающих instruct-примеры, написание текстов, ролевые сценарии, короткие рассказы и синтетические данные. Поэтому она ориентирована на диалоговые задачи, следование инструкциям, творческое письмо и roleplay. Поддерживаемые языки, размер контекстного окна и точные архитектурные характеристики в README не указаны. Доступны варианты от F16 до Q2_K_L, включая Q8_0, Q6_K, Q5_K, Q4_K, Q3_K и IQ-квантизации. Более качественные варианты требуют больше памяти, а низкоразрядные предназначены для систем с ограниченным объёмом RAM, но снижают качество генерации. Специальные варианты Q4_0 оптимизированы для ARM; для некоторых требуется поддержка SVE или i8mm. Модель распространяется по лицензии Apache-2.0.

EVA-Rombos1-Qwen2.5-32B — плотная языковая модель на архитектуре Qwen2, созданная автором nbeerbower слиянием нескольких предварительно обученных моделей методом Model Stock с помощью mergekit. Базовой моделью для слияния указана nbeerbower/DeepSeek-R1-Qwen-lorablated-32B; в состав также вошли Rombos-Qwen2.5-32B-lorablated, EVA-Qwen2.5-32B-v0.2 и EVA-Gutenberg3-Qwen2.5-32B. Модель содержит 32 млрд параметров, принимает текст и генерирует текст. Метаданные указывают контекст до 131 072 токенов, поддержку чатового взаимодействия и интерфейса вызова инструментов. Её можно применять для диалогов, ролевого отыгрыша и написания историй — такие сценарии указаны в описании базовой модели в каталоге. Репозиторий использует формат safetensors, библиотека — Transformers. Модель распространяется по лицензии Apache-2.0. Данных о поддерживаемых естественных языках и сравнительных оценках качества в предоставленной карточке нет.

EVA-Tissint-v1.2-14B — объединение предварительно обученных языковых моделей, созданное автором репозитория с помощью mergekit. В основе объединения лежит EVA-UNIT-01/EVA-Qwen2.5-14B-v0.2; также включена Ttimofeyka/Tissint-14B-v1.2-128k-RP. Использован метод della_linear, итоговая архитектура — плотная Qwen2, размер — 14 млрд параметров. Модель предназначена для генерации текста и диалогового взаимодействия. Заявленная длина контекста составляет 131 072 токена; для семплирования автор рекомендует настройки из карточки Tissint. В репозитории опубликованы веса в формате safetensors. Модель объединяет два исходных чекпойнта, однако README не приводит сравнительных оценок качества или подробностей о поведении слияния, поэтому пригодность для конкретных сценариев следует оценивать отдельно. Лицензия в предоставленных данных не указана.

Evocation — объединённая языковая модель семейства Llama, созданная ClaudioItaly с помощью mergekit. В слиянии использованы WizardLM-1.0-Uncensored-Llama2-13b и Utopia-13B; базой указана Utopia-13B. Применён метод della_linear, веса сохранены в формате safetensors с точностью bfloat16. Модель предназначена для генерации текста по запросу, включая диалоги и ответы в свободной форме. Она содержит около 12,9 млрд параметров, построена на архитектуре LlamaForCausalLM и поддерживает контекст до 4096 токенов. В карточке не приведены сведения о целевых языках или специализированных областях применения. Лицензия в предоставленных данных не указана.

ClaudioItaly/EvolutiontGOLD — текстовая авторегрессионная модель семейства Mistral, созданная с помощью mergekit методом passthrough на основе ClaudioItaly/TopEvolutionWiz. Модель содержит 12,3 млрд параметров, использует архитектуру MistralForCausalLM и формат safetensors; заявленная длина контекста — 32 768 токенов. Модель предназначена для генерации текста и диалоговых сценариев, включая развернутые ответы на вопросы по широкому кругу тем, унаследованные от базовой модели. Лицензия в предоставленных данных не указана.

EXAONE-4.0.1-32B — плотная языковая модель LG AI Research на 31,5 млрд параметров, дообученная на базе EXAONE-4.0-32B. Версия 4.0.1 содержит исправление, призванное уменьшить число непреднамеренных или неподходящих ответов. Модель поддерживает диалог на английском, корейском и испанском языках и предлагает режимы обычной генерации и рассуждений, а также вызов инструментов. Модель предназначена для диалоговых приложений, решения сложных задач с рассуждением и агентных сценариев с инструментами. Архитектура включает 64 слоя, GQA с 40 головами внимания и 8 KV-головами, а также гибридное внимание; контекст — до 131 072 токенов. Для работы через Transformers требуется версия 4.54.0 или новее. Модель может генерировать неподходящий или предвзятый контент, фактически или логически ошибочные ответы и не гарантирует актуальность сведений. В README указана лицензия «other», а не конкретные условия; перед использованием следует свериться с условиями репозитория.

Exodia-7B — разговорная языковая модель на архитектуре Mistral с 7,1 млрд параметров и контекстом до 32 768 токенов. Карточка описывает её как результат слияния нескольких моделей, призванный объединить их сильные стороны и снизить слабые стороны; конкретные исходные модели и разработчик в README не названы. Модель предназначена для генерации текста и диалогового взаимодействия, включая ответы с учётом контекста и работу с разными типами запросов. Доступны веса PyTorch. Лицензия — MIT. README заявляет широкую применимость и повышенное покрытие знаний, но не приводит оценок, тестов или конкретных примеров, подтверждающих эти заявления. Указанные характеристики не подтверждают поддержку изображений, аудио или других нетекстовых входов.

Exodius-70B — объединённая языковая модель, созданная с помощью mergekit методом SLERP из freewheelin/free-evo-qwen72b-v0.8-re и abacusai/Smaug-72B-v0.1. Она предназначена для генерации текста и диалоговых сценариев. Модель построена на плотной архитектуре Llama с классом LlamaForCausalLM, содержит 71 млрд параметров и поддерживает контекст до 32 768 токенов. Весовой формат репозитория — safetensors; библиотека для работы — Transformers. Объединение сочетает две предварительно обученные языковые модели, включая Smaug-72B-v0.1, предназначенную для диалога, ответов на вопросы и рассуждений. В карточке не приведены отдельные результаты оценки качества или специализированные области применения. Модель распространяется по лицензии Apache-2.0.

Experiment26Experiment28-7B — автоматическое слияние двух моделей Mistral, созданное Maxime Labonne методом SLERP с помощью mergekit. В состав слияния вошли yam-peleg/Experiment26-7B и yam-peleg/Experiment28-7B; веса сохранены в формате safetensors. Модель содержит 7,1 млрд параметров и поддерживает контекст до 32 768 токенов. Модель предназначена для генерации текста и может использоваться в экспериментах с языковыми моделями и в приложениях, которым требуется генерация текста. Метаданные указывают задачу text-generation; README приводит пример загрузки через Transformers. В карточке указана лицензия Apache-2.0. Языки и специальные предметные области для этой модели не обозначены.